学位论文 > 优秀研究生学位论文题录展示
基于BP神经网络的HPFL加固混凝土粘结机理研究
作 者: 施明君
导 师: 刘鸣
学 校: 长安大学
专 业: 结构工程
关键词: HPFL加固层 粘结强度 BP神经网络 复合受力
分类号: TP183
类 型: 硕士论文
年 份: 2012年
下 载: 17次
引 用: 0次
阅 读: 论文下载
内容摘要
近年来,加筋高性能砂浆加固(HPFL)技术在工程加固领域中得到广泛的应用。该加固技术具有强度高、耐久性好、施工方便等优点,具有广阔的应用前景。但在实际工程应用中,加固层砂浆与基层混凝土之间会出现剥离破坏,导致加固失效,所以加筋高性能砂浆加固层与原结构间的粘结性能在很大程度上影响到加固或修补的整体效果。本文在课题组已完成的试验研究基础上,进一步研究加筋高性能砂浆加固层与混凝土的粘结性能,尤其是复合受力状态下加固层砂浆与混凝土的粘结强度,主要研究内容如下:1.介绍了HPFL加固技术的施工流程与主要材料的力学性能,总结近年来国内外关于HPFL加固层粘结机理研究现状,并分析了新旧混凝土粘结性能和影响因素,认为HPFL加固层粘结性能的研究一定程度上可以归结为新旧混凝土粘结性能这一基础理论。2.对HPFL加固层粘结性能试验进行深入研究,分析了加固层砂浆与混凝土的粘结抗拉、抗剪强度,加固层的破坏模式、影响因素及其显著性。并将其与新旧混凝土粘结性能和影响因素等进行对比,研究两者之间的共同点。3.全面总结了人工神经网络的基本模型和分类、网络特性、网络构成、网络的学习等原理,列出了BP神经网络模型算法的数学表达、模型设计和参数确定方法、LM算法的数学表达。4.建立HPFL加固层粘结抗拉、抗剪强度预测的BP神经网络模型,利用试验数据对其进行训练,并成功预测HPFL加固层与混凝土的正拉粘结强度和剪切粘结强度。5.依据新旧混凝土粘结复合受力的剪切强度试验研究,利用HPFL加固层粘结试验数据,建立HPFL加固层粘结拉剪、压剪强度预测模型,预测结果良好。6.利用MATLAB工具箱函数,拟合HPFL加固层砂浆与混凝土的拉剪、压剪粘结强度公式,公式计算值与神经网络预测结果吻合良好,证明了公式的正确性,对HPFL加固设计方法具有一定的参考价值。
|
全文目录
摘要 4-6 Abstract 6-15 第一章 绪论 15-38 1.1 课题背景 15-16 1.2 建筑结构常用加固方法 16-18 1.3 加筋高性能砂浆加固技术的相关研究 18-23 1.3.1 加筋高性能砂浆加固技术 18-20 1.3.2 主要材料性能分析 20-23 1.4 加固层粘结机理的研究 23-36 1.4.1 粘结机理的研究现状 24-25 1.4.2 新旧混凝土粘结破坏机理 25-27 1.4.3 新旧混凝土粘结性能的影响因素 27-33 1.4.4 高性能砂浆与混凝土的粘结性能研究 33-36 1.5 本文的主要研究内容 36-38 第二章 HPFL 加固层砂浆与混凝土粘结性能试验研究 38-60 2.1 高性能砂浆加固层界面抗拉性能试验 38-50 2.1.1 抗拉试验简述 39-40 2.1.2 试验现象分析 40-43 2.1.3 加固层界面粘结性能的影响因素分析 43-47 2.1.4 影响因素的显著性分析 47-50 2.2 高性能砂浆加固层界面抗剪性能试验 50-54 2.2.1 抗剪试验简述 50-52 2.2.2 剪切粘结强度的影响因素分析 52-53 2.2.3 影响因素的显著性分析 53-54 2.3 试验结果与新旧混凝土粘结性能对比分析 54-57 2.3.1 粘结机理的对比分析 54-55 2.3.2 粘结性能的影响因素对比分析 55-57 2.5 本章小结 57-60 第三章 人工神经网络基本理论 60-75 3.1 人工神经网络在土木工程中的应用 60-62 3.2 人工神经网络模型及分类 62-67 3.2.1 人工神经元模型 62-64 3.2.2 人工神经网络构成 64-65 3.2.3 人工神经网络类型 65-66 3.2.4 人工神经网络的学习 66-67 3.3 人工神经网络特性和应用 67-68 3.3.1 人工神经网络特性 67 3.3.2 人工神经网络应用领域 67-68 3.4 BP 人工神经网络 68-74 3.4.1 BP 神经网络模型 68-69 3.4.2 BP 模型基本算法数学表达 69-70 3.4.3 BP 网络模型设计及其参数确定方法 70-73 3.4.4 BP 模型的改进算法 73-74 3.4.5 LM 算法 74 3.5 本章小结 74-75 第四章 聚合物砂浆与混凝土粘结性能的 BP 神经网络分析 75-99 4.1 MATLAB 神经网络工具箱 75-76 4.1.1 Matlab 简介 75 4.1.2 Matlab-NN 工具箱 75-76 4.2 基于 NN 工具箱的预测模型的建立 76-84 4.2.1 选取网络模型 76 4.2.2 确定网络结构 76-78 4.2.3 样本选取与样本数据预处理 78-80 4.2.4 传递函数的选择 80 4.2.5 选择误差界 80-81 4.2.6 选取学习速率 81 4.2.7 网络的训练 81-84 4.3 聚合物砂浆与混凝土粘结性能 BP 预测结果 84-87 4.3.1 聚合物砂浆与混凝土界面抗拉粘结性能 BP 预测结果 84-85 4.3.2 聚合物砂浆与混凝土界面抗剪粘结性能 BP 预测结果 85-87 4.4 HPFL 加固层复合受力预测分析 87-94 4.4.1 HPFL 加固层拉剪受力预测分析 87-91 4.4.2 HPFL 加固层压剪受力预测分析 91-94 4.5 HPFL 加固层复合剪切粘结强度公式拟合 94-97 4.5.1 HPFL 加固层拉剪复合受力粘结强度公式拟合 95-96 4.5.2 HPFL 加固层压剪复合受力粘结强度公式拟合 96-97 4.6 本章小结 97-99 第五章 结论与展望 99-103 5.1 结论 99-101 5.2 展望 101-103 参考文献 103-113 攻读硕士学位期间的研究成果 113-114 获奖情况 114-115 致谢 115-116
|
相似论文
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 机械臂视觉伺服系统的研究,TP242.6
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 高速公路拆迁民众生存系统评价研究,D523
- 硬化性牙本质粘结界面形态的观察和粘结强度的研究,R783.5
- 煤矿风险信息集成与智能预警研究,X936
- 不同树脂粘结剂及硅烷偶联剂对玻璃纤维桩与牙本质粘结强度的影响,R783
- 三种玻璃纤维桩与牙本质之间粘结固位力的比较,R783
- 基于多杀毒软件协同的病毒检测方法研究,TP309.5
- 基于遗传算法的前馈神经网络优化研究,TP183
- JSYJ公司采购风险管理研究,F426.92
- 基于FLAC3D和神经网络的基坑变形预测系统研究,TU433
- 纤维布与混凝土正拉粘结性能的试验研究,TU528.572
- 基于模拟的注塑模浇注系统及成型工艺参数优化研究,TQ320.662
- 基于灰色神经网络的旅游上市公司财务危机预警模型研究,F224
- 基于改进BP算法的热轧带钢力学性能软测量,TP183
- 基于改进BP算法的安全库存量预测模型的研究,O227
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com
|